Ein auf LangGraph basierendes Multi-Agenten-Tiefenrecherche-System mit Aufgabenplanung, menschlicher Überprüfung, Multi-Quellen-Retrieval, belegbasierter Berichterstellung sowie vollständigem Tracing und reproduzierbarer Evaluierung.
Dieses Skill namens 'SDYJ_Multi_Agents' ist ein auf LangGraph basierendes Multi-Agenten-System, das speziell für tiefgehende Recherchen entwickelt wurde. Es ermöglicht die Planung von Rechercheaufgaben, die kollaborative Bearbeitung durch mehrere Agenten und die Einbindung menschlicher Prüfschritte (Human-in-the-Loop). Das System kann aus verschiedenen Quellen Informationen abrufen, diese mit Belegen untermauern und darauf basierende Berichte generieren. Besonders nützlich ist es für Entwickler und Anwender, die komplexe, evidenzgestützte Recherchen automatisieren und gleichzeitig die Kontrolle über den Prozess behalten möchten. Es unterstützt Plattformen, die LangGraph integrieren können, und bietet vollständige Rückverfolgbarkeit (Tracing) sowie reproduzierbare Evaluierungen. Der Skill wurde auf GitHub entwickelt und ist Teil der täglichen Sichtung von Agent-Fähigkeiten auf awesomeskills.dev.
npx skills add hwfengcs/SDYJ_Multi_AgentsInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Ein auf LangGraph basierendes Multi-Agenten-Tiefenrecherche-System mit Aufgabenplanung, menschlicher Überprüfung, Multi-Quellen-Retrieval, belegbasierter Berichterstellung sowie vollständigem Tracing und reproduzierbarer Evaluierung.
Quelle: https://github.com/hwfengcs/SDYJ_Multi_Agents
Entdeckt während der täglichen awesomeskills.dev Agent-Skill-Jagd.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.